Skip to content
Extra Form
Abstract For the safe operation of a ship, it is necessary to detect and track nearby ships, called target ships, accurately. To track the target ships, Kalman filters (KF) have been widely used. However, when the system model of the KF, which predicts the motion of the system, may be different from the actual motion of the target ships, the accuracy could decrease. To solve this problem, the Interactive Multi-Model (IMM) method can be adopted, which follows several system models at the same time, but the number of system models that the IMM implements is limited. Therefore, a method that can analyze the actual dynamic behavior of the target ships and track accurately the target ships based on historical data is required. Recently, deep learning has been applied to tracking methods to solve existing problems and improve accuracy. For tracking, the Long-Short Term Memory (LSTM) method is being mainly applied and shows better performance in the marine environment where the motion characteristics of the target ships could change.
In this study, a tracking method based on deep learning is proposed to track nearby target ships. First, we construct a tracking filter using the LSTM-KF method, which combines LSTM and traditional KF. In the LSTM-KF, the system model and system noise of the KF are trained by previous data and predicted using deep learning. There is also a method of constructing an LSTM model that directly produces the track of the target ships as output data. After constructing the tracking filter using LSTM, the tracking filter is trained using the ship’s navigation data. In this study, the proposed method is compared with the tracking results using the traditional KF, and it was confirmed that it works effectively.
Publication Date 2022-11-06
Yeongmin Jo, Myung-Il Roh, Hye-Won Lee, Donghun Yu, "A Ship Tracking Method under Dynamic Characteristic Changes with LSTM", Proceedings of G-NAOE 2022, Changwon, Korea, 2022.11.06-10

  1. 김성훈, 노명일, 김기수, "하둡과 R 언어를 이용한 조선 해양 분야에서의 빅데이터 활용 연구", 2016년도 대한조선학회 춘계학술발표회, 부산, pp. 323, 2016.05.19-20

    CategoryDomestic Conference
    Read More
  2. 김성균, 노명일, 김기수, 정선경, 이성민, "전문가 시스템 기반 해양 플랜트 상부의 최적 배치 방법", 2015년도 한국해양공학회 추계학술발표회, 대전, pp. 467-469, 2015.10.22-23

    CategoryDomestic Conference
    Read More
  3. 김성균, 김기수, 홍정우, 하솔, 노명일, "해양 플랜트 상부의 통합 배치 최적화 방법에 관한 연구", 2015년도 한국CAD/CAM학회 동계학술발표회, 평창, pp. 287-291, 2015.02.04-06

    CategoryDomestic Conference
    Read More
  4. 김동우, 노명일, 전도현, 우선홍, 이혜원, 김용태, "딥 러닝을 이용한 멤브레인 타입 LNG선 화물창의 1차 방벽의 형상 최적화 방법 ", 2023년도 한국CDE학회 동계학술발표회, 평창, pp. 275, 2023.02.08-11

    CategoryDomestic Conference
    Read More
  5. 김동우, 노명일, 전도현, 우선홍, 김진혁, 김용태, 이혜원, "멤브레인형 액화가스 화물창 1차방벽 최적 형상 개발을 위한 딥러닝 기반 구조 안전성 예측 방법", 2023년도 대한조선학회 춘계학술발표회, 부산, pp. 22-23, 2023.05.02-04

    CategoryDomestic Conference
    Read More
  6. 김기수, 홍정우, 하솔, 구남국, 노명일, 김성용, "전문가 시스템과 최적화 기법을 기반으로 한 잠수함의 배치 방법", 2014년도 대한조선학회 추계학술발표회, 창원, pp. 456-461, 2014.11.06-07

    CategoryDomestic Conference
    Read More
  7. 김기수, 하솔, 구남국, 홍정우, 노명일, 김성용, "배치 설계를 위한 전문가 지식의 효과적인 표현 방법에 관한 연구", 2014년도 대한조선학회 춘계학술발표회, 부산, pp. 985-993, 2014.05.22-23

    CategoryDomestic Conference
    Read More
  8. 김기수, 하솔, 구남국, 노명일, 김성용, "전문가 시스템에 의한 잠수함 구획 배치 안의 유효성 평가 방법 연구", 2014년도 한국CAD/CAM학회 동계학술발표회, pp. 892-881, 평창, 2014.02.12-14

    CategoryDomestic Conference
    Read More
  9. 김기수, 노명일, 함승호, 하솔, "해난 사고 시 승객의 탈출 해석을 위한 다차원 행동 모델", 2022년도 한국CDE학회 동계학술발표회, 제주, 2022.02.09-12

    CategoryDomestic Conference
    Read More
  10. 김기수, 노명일, 하솔, 구남국, 김성용, "잠수함 배치 설계에의 전문가 시스템의 적용 방안에 대한 연구", 2013년도 대한조선학회 추계학술발표회, 울산, pp. 438-444, 2013.11.07-08

    CategoryDomestic Conference
    Read More
Board Pagination Prev 1 ... 26 27 28 29 30 31 32 33 34 35 ... 51 Next
/ 51

Powered by Xpress Engine / Designed by Sketchbook

sketchbook5, 스케치북5

sketchbook5, 스케치북5

나눔글꼴 설치 안내


이 PC에는 나눔글꼴이 설치되어 있지 않습니다.

이 사이트를 나눔글꼴로 보기 위해서는
나눔글꼴을 설치해야 합니다.

설치 취소